Predictive Correlates of Arthritis and Joint Damage in Systemic Lupus Erythematosus: A Multinational Prospective Cohort Study
Notice bibliographique
Résumé
Abstract Objectives To determine the prevalence and predictive correlates of arthritis and joint damage in systemic lupus erythematosus (SLE) patients in the Asia-Pacific Lupus Collaboration (APLC) cohort, and to determine their impact on health-related quality of life (HRQoL). Methods SLE patient data (2013–2020) were collected from the prospective multinational APLC cohort. We defined arthritis according to the SLE Disease Assessment Index (SLEDAI-2K) definition of persistent arthritis as arthritis in ≥2 consecutive visits, and joint damage according to the Systemic Lupus International Collaborating Clinics/American College of Rheumatology Damage Index (SDI) definition (deforming or erosive arthritis). HRQoL was measured by Short Form Survey (SF36). Descriptive statistics, univariable and multivariable Cox hazard models, and Kaplan–Meier analyses were performed. Results During median 2.5 (1.0–5.1) years of follow-up, 803/4106 (19.6%) patients had arthritis at least once, and 18/3383 (0.53%) accrued joint damage. Patients with arthritis were more likely to be female, Caucasian, current smokers at enrolment, and less like to have tertiary education; they also had higher overall disease activity, and lower physical and mental HRQoL. Kaplan–Meier analysis demonstrated that joint damage was more likely in patients with arthritis. Persistent arthritis and longer follow-up were risk factors for joint damage accrual; being from high-income countries was protective. Patients with joint damage also had worse physical HRQoL. Conclusion Arthritis in the APLC cohort was infrequent compared with other cohorts and was associated with smoking, higher overall disease activity, and damage accrual across multiple domains. Presence of arthritis significantly impacted physical and mental HRQoL. Joint damage was strongly predicted by persistent arthritis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».